Algorithmes de Majoration-Minimisation pour le traitement d'images – MajIC

Les développements récents en traitement d’image conduisent à des problèmes d’optimisation de dimension gigantesque pour lesquels les méthodes classiques sont inapplicables. Il devient alors nécessaire de concevoir de nouveaux algorithmes d’optimisation, en étant attentifs à leur complexité de calcul, à leur flexibilité et à leur robustesse. Les approches par majoration-minimisation (MM) connaissent une popularité croissante dans les domaines du signal/image et de l’apprentissage. Le cadre MM fournit, en effet, une méthodologie simple, élégante et flexible pour construire des algorithmes efficaces en pratique, et reposant sur des fondements théoriques solides. Le projet MAJIC vise à proposer une nouvelle génération d’algorithmes MM pour le traitement de données massives, via l’introduction de stratégies de calcul parallèle, distribué et en ligne. Deux problèmes applicatifs seront étudiés: la reconstruction d’images en ligne et l’apprentissage rapide des réseaux de neurones profonds.